Visualizando datos con el paquete ggplot2

# Visualizando datos con el paquete ggplot2
## Big Data e Inteligencia Territorial

---

.remark-slide-content {
    font-size: 25px;
    padding: 1em 1em 1em 1em;
}

.remark-code{
  line-height: 1.5; font-size: 80%
}

@media print {
  .has-continuation {
    display: block;
  }
}

</style>

---
class: inverse, middle, center

# ¿Por qué visualizar?

---
# ¿Por qué visualizar?

<br>

- _"La visualización es el proceso de hacer visibles los contrastes, ritmos y eventos que los datos expresan, que no podemos percibir cuando vienen en forma de áridas listas de números y categorías."_ [^1]

<br>
  
- Interpretar / decodificar la información de forma visual

<br>

[^1]: https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/visualizacion.html

---
class: middle, center, inverse

_<p style="color:grey;" align:"center">Una forma de visualizar</p>_

---
class: inverse, middle, center

# ¿Qué es [ggplot2](https://ggplot2.tidyverse.org/)?

---
# __¿Qué es ggplot2?__

<br>

- ### Una implementación del sistema **Grammar of graphics**

<br>
--

- ### Un esquema pensado en capas (datos --> plano (ejes **x** e **y**) --> geometrías)

<br>

- ### Un paquete de funciones de aplicación intuitiva.

---
# Hoja de ruta

## ✔️ ggplot

☑️️ `operador + (nos va a permitir incorporar capas -como lo hacía el pipe %>%-) `

☑️️ `geom_histogram()`

☑️️ `geom_boxplol()`

☑️️ `geom_col()`

☑️️ `chapa y pintura (Atributos)`

***

```r
base_covid <- read.table("entradas/base_covid_muestra.txt", 
                         sep = ",", 
                         header = T, 
                         fileEncoding = "UTF-8")
```

---
# ggplot()

---
class: inverse, middle, center

# __geom_histogram()__

---

# geom_histogram()

- **Caso:** Quiero conocer la distribución de la población según su edad:

---
# Capas del gráfico - insumo(dataframe)

```r
ggplot(`data = base_covid`)
```

<br>

- **¿De donde saco las variables?**
]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-7-1.png)

]

---
# Capas del gráfico - coordenadas

```r
ggplot(data = base_covid,
       `mapping = aes(x = edad))`
```

<br>

- **¿Qué variables? ¿Cómo me las imagino en el gráfico?**

]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-8-1.png)

]

---
# Capas del gráfico - geometría

```r
ggplot(data = base_covid,
       mapping = aes(x = edad)) +
  `geom_histogram() `
```

<br>

- **¿Qué tipo de gráfico quiero hacer?**

]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-9-1.png)

]

---
# Chapa y pintura (Atributos)

☑️️ `fill()` (_Rellenar_)

☑️️ `colour()` (_colorear_)

☑️️ `alpha` (_transparencia_)

---

```r
ggplot(data = base_covid, 
       mapping = aes(x = edad)) + 
  geom_histogram(`fill = "salmon"`) 
```

<br>

- **Relleno**

]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-10-1.png)

]

---

```r
ggplot(data = base_covid, 
       mapping = aes(x = edad)) + 
  geom_histogram(fill = "salmon",
                 `colour = "black"`) 
```

<br>

- **Contorno**

]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-11-1.png)

]

---

```r
ggplot(data = base_covid, 
       mapping = aes(x = edad)) + 
  geom_histogram(fill = "salmon",
                 colour = "black",
                 `alpha = 0.5`) 
```

<br>

- **Transparencia**

]

![](data:image/png;base64,#r_visualizacion_files/figure-html/unnamed-chunk-12-1.png)

]

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse, middle

# Práctica

1) Importar la base covid_muestra.

2) El siguiente código debería realizar un histograma. Para ello hace falta completar aquellos espacios con ______ y ejecutarlo:

```r
ggplot(data = ______, 
       mapping = aes(x = edad)) ______ 
  geom______ (fill = ______,
                 colour = "black",
                 alpha = 0.5) 
```

3) Replicar el código anterior y modificar los valores de los atributos a gusto

---
class: inverse, middle, center

# __geom_col()__

---
# geom_col()

**Caso:** Quiero visualizar la diferencia entre la edad media de aquellas personas que recibieron asistencia respiratoria y aquellas que no:

```r
summary(base_covid$edad)
```

```
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
 -12.00   26.00   37.00   39.08   50.00  121.00      92 
```
--

```r
base_covid %>% 
  filter(edad == 0) %>% 
  count()
```

```
# A tibble: 1 x 1
      n
  <int>
1     2
```

---
# geom_col()

-   **Paso 2.** *Limpiar* la variable:

```r
tabla_edad <- base_covid %>% 
  rename(asistencia_mec = asistencia_respiratoria_mecanica) %>% 
  filter(!is.na(asistencia_mec) & edad >= 0) %>% 
  group_by(asistencia_mec) %>% 
  summarise(edad_media = mean(edad, na.rm = TRUE)) %>% 
  mutate(edaD_media = round(edad_media, digits = 0))
```

```
# A tibble: 2 x 3
  asistencia_mec edad_media edaD_media
  <chr>               <dbl>      <dbl>
1 NO                   39.0         39
2 SI                   62.6         63
```

---

```r
*ggplot(data = tabla_edad,
*      mapping = aes(x = asistencia_mec,
*                    y = edad_media))
```
]
 
.panel2-geom_col-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_auto_01_output-1.png)
]

---
count: false
 
# geom_col
.panel1-geom_col-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
* geom_col()
```
]
 
.panel2-geom_col-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_auto_02_output-1.png)
]

---

```r
*ggplot(data = tabla_edad,
*      mapping = aes(x = asistencia_mec,
*                    y = edad_media))
```
]
 
.panel2-geom_col_1-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_1_auto_01_output-1.png)
]

---
count: false
 
# geom_col - relleno
.panel1-geom_col_1-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
* geom_col(fill = c("green", "red"))
```
]
 
.panel2-geom_col_1-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_1_auto_02_output-1.png)
]

---

```r
*ggplot(data = tabla_edad,
*      mapping = aes(x = asistencia_mec,
*                    y = edad_media))
```
]
 
.panel2-geom_col_2-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_2_auto_01_output-1.png)
]

---
count: false
 
# geom_col - Contorno + Transparencia
.panel1-geom_col_2-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
* geom_col(aes(fill = asistencia_mec),
*          colour = "black",
*          alpha = 0.7)
```
]
 
.panel2-geom_col_2-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_2_auto_02_output-1.png)
]

---
class: inverse, middle, center

# __chapa y pintura__

---

```r
*ggplot(data = tabla_edad,
*      mapping = aes(x = asistencia_mec,
*                    y = edad_media))
```
]
 
.panel2-geom_col_3-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_3_auto_01_output-1.png)
]

---
count: false
 
# geom_col
.panel1-geom_col_3-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
* geom_col(aes(fill = asistencia_mec),
*          colour = "black",
*          alpha = 0.7)
```
]
 
.panel2-geom_col_3-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_3_auto_02_output-1.png)
]

---
count: false
 
# geom_col
.panel1-geom_col_3-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
* labs(title = "Este es el título del gráfico",
*      subtitle = "Y este, el subtítulo",
*      x = "Acá puedo editar texto de eje x",
*      y = "y acá texto de eje y",
*      fill = "leyenda? Por supuesto, acá")
```
]
 
.panel2-geom_col_3-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_3_auto_03_output-1.png)
]

---
count: false
 
# geom_col
.panel1-geom_col_3-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
  labs(title = "Este es el título del gráfico",
       subtitle = "Y este, el subtítulo",
       x = "Acá puedo editar texto de eje x",
       y = "y acá texto de eje y",
       fill = "leyenda? Por supuesto, acá") +
* geom_text(aes(label = round(edad_media)))
```
]
 
.panel2-geom_col_3-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_3_auto_04_output-1.png)
]

---
count: false
 
# geom_col
.panel1-geom_col_3-auto[

```r
ggplot(data = tabla_edad,
       mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
  labs(title = "Este es el título del gráfico",
       subtitle = "Y este, el subtítulo",
       x = "Acá puedo editar texto de eje x",
       y = "y acá texto de eje y",
       fill = "leyenda? Por supuesto, acá") +
  geom_text(aes(label = round(edad_media))) +
* theme_minimal()
```
]
 
.panel2-geom_col_3-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_3_auto_05_output-1.png)
]

---
# Orden de las categorías

-   Para darle orden a las categorías en un eje podemos recurrir al tipo de variable **factor**.

-   Los factores en R son variables categóricas (o llamadas "cualitativas").

-   Además, otra propiedad de las variables de tipo **factor** es la ordinalidad (no es indistinto el orden de aparición). Por ejemplo, variables como *nivel educativo* o *grado de satisfacción* son variabes que (números o texto), son categóricas y ordinales.

---
# Orden de las categorías

```r
edad <- c(24,54,75,25,65,12)
sexo_num <- c(1, 2, 2, 2, 1, 2)
sexo_text <- c("hombre", "mujer", "mujer", "mujer", "hombre", "mujer")

base <- data.frame(edad, sexo_num, sexo_text)
```

```r
class(base$sexo_num)
```

```
[1] "numeric"
```

```r
class(base$sexo_text)
```

```
[1] "character"
```

---
# Orden de las categorías

-   Convertimos en factor a la variable _sexo_num_

```r
base <- base %>% 
  mutate(sexo_factor = factor(sexo_num,
                              levels = c(1, 2)))

base %>% 
  count(sexo_factor)
```

```
  sexo_factor n
1           1 2
2           2 4
```

-   **¿Qué pasa si invierto el orden de los niveles (categorías) en el parámetro `level = `?**
---

```r
*tabla_edad
```
]
 
.panel2-geom_col_4-auto[

```
# A tibble: 2 x 2
  asistencia_mec edad_media
  <chr>               <dbl>
1 NO                   39.0
2 SI                   62.6
```
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
* mutate(asistencia_mec = factor(asistencia_mec,
*                                levels = c("SI", "NO")))
```
]
 
.panel2-geom_col_4-auto[

```
# A tibble: 2 x 2
  asistencia_mec edad_media
  <fct>               <dbl>
1 NO                   39.0
2 SI                   62.6
```
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
  mutate(asistencia_mec = factor(asistencia_mec,
                                 levels = c("SI", "NO"))) %>%
* ggplot(mapping = aes(x = asistencia_mec,
*                    y = edad_media))
```
]
 
.panel2-geom_col_4-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_4_auto_03_output-1.png)
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
  mutate(asistencia_mec = factor(asistencia_mec,
                                 levels = c("SI", "NO"))) %>%
  ggplot(mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
* geom_col(aes(fill = asistencia_mec),
*          colour = "black",
*          alpha = 0.7)
```
]
 
.panel2-geom_col_4-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_4_auto_04_output-1.png)
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
  mutate(asistencia_mec = factor(asistencia_mec,
                                 levels = c("SI", "NO"))) %>%
  ggplot(mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
* labs(title = "Edad media de la población según perceptción de asistencia respiratoria mecánica",
*      subtitle = "Año 2020-2021.",
*      x = "Asistencia respiratoria mecánica",
*      y = "Edad media",
*      fill = "Asistencia médica")
```
]
 
.panel2-geom_col_4-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_4_auto_05_output-1.png)
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
  mutate(asistencia_mec = factor(asistencia_mec,
                                 levels = c("SI", "NO"))) %>%
  ggplot(mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
  labs(title = "Edad media de la población según perceptción de asistencia respiratoria mecánica",
       subtitle = "Año 2020-2021.",
       x = "Asistencia respiratoria mecánica",
       y = "Edad media",
       fill = "Asistencia médica") +
* geom_text(aes(label = round(edad_media)),
*           vjust = -0.5)
```
]
 
.panel2-geom_col_4-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_4_auto_06_output-1.png)
]

---
count: false
 
# geom_col + factor
.panel1-geom_col_4-auto[

```r
tabla_edad %>%
  mutate(asistencia_mec = factor(asistencia_mec,
                                 levels = c("SI", "NO"))) %>%
  ggplot(mapping = aes(x = asistencia_mec,
                     y = edad_media)) +
  geom_col(aes(fill = asistencia_mec),
           colour = "black",
           alpha = 0.7) +
  labs(title = "Edad media de la población según perceptción de asistencia respiratoria mecánica",
       subtitle = "Año 2020-2021.",
       x = "Asistencia respiratoria mecánica",
       y = "Edad media",
       fill = "Asistencia médica") +
  geom_text(aes(label = round(edad_media)),
            vjust = -0.5) +
* theme_minimal()
```
]
 
.panel2-geom_col_4-auto[
![](data:image/png;base64,#r_visualizacion_files/figure-html/geom_col_4_auto_07_output-1.png)
]

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse, middle

# Práctica

- Dado el siguiente código que devuelve la cantidad de casos para las provincias seleccionadas, responder **visualmente** a la pregunta: ¿Cuál es la provincia que registra más casos?:

```r
tabla_provincia <- base_covid %>% 
  rename(provincia = residencia_provincia_nombre) %>% 
  filter(provincia %in% c("San Luis", "San Juan", "Santiago del Estero")) %>% 
  count(provincia)
```

1. Hacer un gráfico de barras que muestre la cantidad de casos por provincia

1. Agregarle **color** a las barras en base a la variable **provincia**

1. Agregarle los textos de: **Titulo**, **Ejes x e y**, **Leyenda**.

---

```r
*base_covid
```
]
 
.panel2-geom_col_5-auto[

```
# A tibble: 182,680 x 25
   id_evento_caso sexo   edad edad_años_meses residencia_pais_~ residencia_prov~
            <dbl> <chr> <dbl> <chr>           <chr>             <chr>           
 1         748361 NR       23 Años            Líbano            SIN ESPECIFICAR 
 2         748780 F        53 Años            Argentina         CABA            
 3         751658 M        44 Años            Argentina         CABA            
 4         755897 F        29 Años            Argentina         CABA            
 5         756503 M        54 Años            Argentina         CABA            
 6         758578 M         2 Años            Argentina         CABA            
 7         762704 M        41 Años            Argentina         CABA            
 8         763097 M        53 Años            Argentina         CABA            
 9         764087 F        70 Años            Argentina         CABA            
10         765127 M        30 Años            Argentina         CABA            
# ... with 182,670 more rows, and 19 more variables:
#   residencia_departamento_nombre <chr>, carga_provincia_nombre <chr>,
#   fecha_inicio_sintomas <date>, fecha_apertura <date>, sepi_apertura <dbl>,
#   fecha_internacion <date>, cuidado_intensivo <chr>,
#   fecha_cui_intensivo <lgl>, fallecido <chr>, fecha_fallecimiento <date>,
#   asistencia_respiratoria_mecanica <chr>, carga_provincia_id <chr>,
#   origen_financiamiento <chr>, clasificacion <chr>,
#   clasificacion_resumen <chr>, residencia_provincia_id <chr>,
#   fecha_diagnostico <date>, residencia_departamento_id <chr>,
#   ultima_actualizacion <date>
```
]